基于图像处理的车牌定位与检测技术毕业论文.doc 37页

'基于图像处理的车牌定位与检测技术毕业论文目录第一章绪论11.1车牌定位识别技术的研究背景11.2车牌定位识别技术国内外研究现状21.3车牌定位识别难点31.4车牌定位识别技术的应用情况41.5车牌识别技术的发展趋势61.6论文的章节安排7第二章基于图像处理的车牌识别系统82.1车牌识别系统简介82.2系统软件设计92.3车牌图像预处理102.3.1彩色图像灰度化112.3.2灰度直方图变换122.3.3边缘检测14第三章车牌定位与检测193.1车牌特征与分析193.2数学形态学处理203.3区域分割223.4定位后车牌图像处理233.4.1图像二值化233.4.2均值滤波243.5分割与归一化253.5.1字符分割253.5.2字符归一化处理273.6字符识别27II 第四章结束语314.1总结314.2问题改进与展望31致谢33参考文献34第一章II 第一章绪论1.1车牌定位识别技术的研究背景随着经济全球化的到来，人们的生活水平也得到了很大的提高，汽车数量急剧增加，与此同时这样的情况也给城市交通及运输业带来了前所未有的压力。目前交通堵塞、交通事故日益频繁等现象已倍受人们的关注，因此，准确地定位与检测车辆以使交通更为通畅，已经成为现代化城市交通系统重点研究对象。随着当今科技的快速发展，现代智能交通系统[1]就是将数字图像处理、模式识别[2]、计算机视觉处理技术等综合应用于现代智能交通运输体系当中，这样使得交通管理系统运行得更加智能化、科学化和规范化，以解决了交通运输业中存在的一系列问题。其中，车牌号码是汽车具有的独一无二的信息，以此为依据，车牌定位及检测技术成了车牌识别不可或缺的重要部分。近年来，车辆定位及识别技术发展得很快，如IC卡识别技术、条形码识别技术、射频识别技术，车牌识别技术[3]，前三者都需要在车身上安装专门的印刷条形码或标示卡，但是由于车辆的数量庞大，有些信息不可能非常准确地应用到每一辆车上，从而导致难以核对车与车牌信息是否匹配，所以这三种技术在推广应用方面受到相当大的限制。而车牌识别属于直接识别，是以数字图像处理为基础的，可以对车辆的图像进行检索与回放，具有高效实时性，因而对车牌定位及检测的研究具有很大的经济价值和应用意义[4]。车牌定位及识别技术运用目前先进的计算机视觉技术来处理受监控的车牌图像，应用大量的数字图像处理技术识别出车牌号码，从而极大地提高了车辆的管理效率，节省了人力、物力，使得城市交通管理科学化与智能化。在现代社会中，车牌定位及识别技术已经被广泛应用在检查站车辆实时监控、高速公路电子收费、监测报警、偷盗车辆辨识、停车厂车辆安全停车管理系统、违章交通车辆监控、交警稽查管理、车流统计等需要车牌定位识别的地方，特别是在现代化高速公路实现不停车收费方面。车牌定位及识别系统主要由图像获取、车牌图像预处理、车牌区域定位与分割、字符分割、字符识别等部分组成。其中，由于车辆图像采集于户外，车辆图像往往会掺杂一些非常不利的因素来降低图像高清质量，在很大程度上影响了车牌精确定位。而车牌定位及识别系统能够运行起来的首要前提且最重要的一步就是准确无误地定位出汽车牌照，因此车牌定位是车牌定位识别系统的关键一步。现有的定位识别技术还不能完全很好的适应复杂多变的环境，所以对车牌定位及识别技术的研究仍然是当今高科技领域的热门课题，它的有关功能的实现，能使智能交通管理系统更加现代化。35 1.2车牌定位识别技术国内外研究现状从1988年开始，国外的学者们就已经开启了对车牌定位识别系统的研究，其主要途径就是分析所采集的车牌图像，提取车牌区域信息，识别车牌号码。在车牌定位及识别的过程中，虽采用了多种定位及识别的方法，但是由于外界复杂的背景，光照不均及车牌自身的污渍或残缺等条件的影响，使得车牌定位识别系统一直没有得到有效地应用，而且很多方法运算量比较大，不具有实用性。现如今，国外在车牌定位、识别方面的研究成绩显著，不少相当成熟的相关文献发表，同时也开发出了多种技术成熟的车牌识别产品。如英国IPI公司研发的RTVNPR系统，它的特点是便携式，可以应用在高速公路收费站、路段流量检测口及安全停车等需要车牌识别场所；新加坡Optasia公司自制研发IMPS系统，其特点是可以在多种环境和不同光照及气候条件下精确定位，非常准确地识别出车牌号码，可以说准确率极高。日本在车牌图像的处理方面也进行了深入研究，并为系统产业化做了做出极大贡献。日本所研发Luis系统主要应用于高速公路收费站，其全天车牌识别率高达90%以上，即使在阴天或暴雨的情况下也能达到70%左右。此外，美国、加拿大、德国等各个发达国家都研发了属于本国的车牌定位识别系统。各个国家的车牌定位识别产品虽然有区别，但大体上都是基于车辆检测器的系统，设备耗资巨大。我国对车牌识别技术的研究起步较晚，大约发生在八十年代末。由于中国车牌的字符结构构成与国外有明显差异，所以国外一些技术在中国使用效果并不是很理想，但其所运用的很多定位识别算法还是具有很好的借鉴意义。目前国内最常用的车牌定位技术[5]有基于彩色图的定位算法、基于灰度变化的定位算法、基于神经网络的定位算法、基于数学形态的定位算法、基于遗传学算法的定位算法等。当今，中国市面上已有二十多家企业从事于车牌识别系统产品方面的研发，其中比较成熟的产品有：川大智胜的zTZ000车牌自动识别系统、北京汉王的“汉王眼”、上海高德威的车牌识别器、除此之外，还有香港的亚洲视觉科技有限公司、清华紫光、沈阳聚德、杭州友通、深圳科安信、利普视觉中智交通电子系统有限公司等企业所研发的产品也很成熟。目前，车牌识别技术和产品性能进入实用阶段的时间还不是很长，随着人工智能以及自动识别技术的进步，未来的技术发展空间还会非常大。例如，核心算法继续发展，识别率和识别速度进一步改善，图像处理中对模糊图像预处理能力增强等等。35 1.3车牌定位识别难点到目前为止,采用不同的设计方案，各种车牌识别的识别效果都会有所区别，因此，车牌识别的实时性和鲁棒性有待进一步提高。经过三十多年的研究后，车牌准确识别仍然有很多技术性难题需要解决。如光照的不同、季节气候的变化、车辆背景的复杂性[6]、车牌及其字符褪色、缺损、污渍等不利因素的影响，给车牌的精确定位识别带来了很大的困难。在复杂多变环境下的车牌定位识别率较低的原因主要有以下几个方面：1.我国车牌本身特征的复杂性（1）字母、汉字和数字的复合。我国车牌不仅仅有字母和阿拉伯数字，还有代表各省份的汉字。由于汉字本身结构就很复杂，其识别难度要远远超过英文字母和阿拉伯汉字数字。（2）车牌底色繁多。我国的车牌底色相对于国外要多很多。按GA36-2007标准[7]大致可以分为六种：大型民用汽车是黄底黑字；小型民用汽车是蓝底白字；军队或武警专用车用白底红字、黑字牌照；大使馆及外籍汽车用黑底白字牌照；试车与临时牌照是白底红字，汽车补用车牌是白底黑字。（3）悬挂方式不确定。我国对汽车车牌的悬挂方式很难做统一规定，每个汽车公司出产的汽车的车牌放置位置有所差异，导致了车牌的悬挂位置不唯一。（4）车牌管理不严格。由于外界环境或者人为因素造成车牌模糊不清、断裂或者车牌偏斜角度很大的车辆，我国在行驶方面没做太大限制。但在国外，这种车辆是被禁止上路的。2.拍摄角度因素现实生活中，人们所采取的拍摄角度是相对于车辆的行驶方向的正上方和左、右侧。拍摄角度过大的话，会影响车牌定位，所以拍摄的角度越小，所获取到的图像中的车牌变形就越小，识别准确率就越高。由智能化交通管理系统的结构构成可知，摄像机采集到的目标车辆图像均是系列图像，而由于外界环境复杂程度的影响，车牌定位识别系统所采用的目标车牌图像可能不是最佳的。3.外界环境复杂35 （1）外界光照条件差异大，不同的时间与地点的光照都会有差异。由经验可知，光照决定着采集图像的质量，不同的光照角度也影响着车牌光照均匀程度。气候的变化、光照环境变化、车牌反光程度等都可能对车牌区域定位产生一定地干扰。光照过亮或过暗都会使车牌的某些特征发生改变影响到车牌号码定位识别的精确度。（2）外界背景环境的复杂程度也影响车牌的定位识别准确率。类似区域的干扰如背景中有类似于车牌信息等都会使车牌定位造成误判从而导致车牌定位识别的错误识读。1.4车牌定位识别技术的应用情况车牌号码是车辆身份认定的唯一标识，车辆牌照自动识别技术[7]可以不用对汽车做任何的改变就能实现车牌号码的自动登记，这项技术已经应用于高速公路电子收费、停车安全管理、违法违章管理、监测报警、公警稽查、车辆流量检测等需要车辆识别的各种场合。以下列举了几种应用领域[8]：1.高速公路电子收费目前，全国高速公路已开始实施以车牌识别技术与互联网相结合的方式收费，正因为不同的车辆其收费的标准有很大的差异，导致很多有心司机想钻电子收费系统的漏洞的空子，使得中途换卡进行逃费的现象日益突出，因此，车牌定位识别技术是解决此类问题的根本途径。现在最常采取的措施就是将出入口资料相结合作为收费参考从而实现公路收费管理，其具体做法就是在高速公路的各个出入口安装电子车牌识别设备，当车辆驶入时电子设备会自动感应并识别目标车牌将其入口的相关资料存入到收费系统中，接着等车辆行驶到出口时电子车牌识别设备会再次自动识别目标车牌并根据目标车牌的相关信息来调用入口注册的资料。这种应用可有效防止作弊，避免应收款的流失。实现电子自动收费，在缓解交通压力的同时，也使得交通管理更加有序化、智能化。2.违法违章处罚管理公路上一般会安装车牌识别技术与测速技术相结合的设备用来测速并记录违章车辆信息。具体应用途径是：在路上设置车速监测点，用来捕捉超速的车辆并准确识别其车牌号码，然后将违章超速车辆的信息及其图片发往各出口；接着在各出口设置处罚点，通过用车牌识别设备识别出的车牌号与已经被记录的违章超速的车牌号一一对比，当号码完全匹配的同时警示设备也会启动，来通知执法人员对违章车辆进行处罚。相较于传统的测速方式，这种应用不但节省人力、物力及办公时间，还能极大地减少了因超速引发的事故。3.交警稽查35 执法工作人员会将那些有被通缉、逃费、未年检、肇事逃逸或违章等现象的车辆纳入黑名单，一般的车牌识别设备会被安装在指定的路口、收费站卡口，有时根据特殊情况，执法人员会随时携带按具体情况放置，只要将纳入黑名单的车辆的牌照号码输入到车牌识别应用系统中，该应用系统将识别所有通过车牌号码并与系统中的“黑名单”进行比对，实现其定位，一旦发现号码相同就立刻做出报警。该应用系统一般可通过程序设定24小时不间断工作，准确率极高；可以适应各种速度行驶的车辆；可以在不影响正常交通的情况下完成黑名单搜索任务；整个监视过程中安全、隐蔽、精确。该系统的应用将使得执法效率极大地提高。4.小区、校园出入管理一般情况下，高级小区或学校出于安全考虑都会在出入口安装车牌识别设备，用来记录每天进出车辆的牌照号码、出入时间，这些信息将会被存储在相应的数据库中，该设备还与自动门或栏杆机的控制设备结合，实现小区、校园车辆的自行管理。该系统的应用使得一些智能小区或校园能自动判别驶入的车辆是否属于本管辖区域，对非本部车辆启动安全隐患提示，由工作人员审核批准后人为放行。此外，还有一些单位还会将这种应用与车辆调度系统相结合，客观地、准确地记录单位车辆的出车情况。5.公路上车辆计时在现代化智能交通管理系统中，执法人员为了能准确判断某条道路上拥堵状况，往往会将车牌识别设备安装在道路的起点与终点，识读所通过车辆的牌照号码并将其发送到交通指挥中心，指挥中心收到信息后会利用自己的管理系统计算出车辆行驶时间的均值。得到的均值作为判断该道路拥堵状况的一个参数。该系统的应用，会极大地缓解城市交通压力，节省人们的时间。6.停车场自动管理智能停车场管理系统一般将摄像头安装在停车场入口，捕捉到的车牌号码图像经过车牌识别系统自动识别，并将图像转换成数字信号便于后续处理。车牌识别的主要优点能做到一卡一车，即可以把卡和车对应起来，使得管理层次有了进一步提高，卡和车的一一对应的优势主要在于长租卡和车必须配合使用，这也就表示一卡就表示一车，杜绝一卡多车的局面，该种使用漏洞是被严格禁止的，从而有助于物业管理效益的上升；同时自动地将进出车辆进行严格比对，可实现偷盗监管。摄像系统经过升级后其采集到的图片更加清晰化，可以为一些不必要的纠纷提供最有利的证据。并且方便了管理人员通过车牌识别技术在车辆进入管理场合时进行比对，有效地增强了系统的可靠性和安全性。35 汽车牌照自动识别技术是模式识别技术在智能交通管理系统的重要应用，通过对图像的采集、预处理、定位、字符分割和识别等手段来完成汽车牌照的自动识别功能，其硬件基础设备一般包括CCD摄像设备、照明装置、图像采集设备、计算机等。软件系统的编写主要利用VB、VisualC++或MATLAB等。1.5车牌识别技术的发展趋势综合来看，车牌识别产品的竞争将更多的强调成像、图像预处理、算法、业务逻辑等系统各环节的相互配合。特别是物理成像以及图像预处理的水平可能会成为下阶段发展的关键，其原因在于当识别算法的发展达到一定的高度，短期内很难会出现非常突破性的变革，这时如何能够通过成像、光源、降噪等环节来为核心算法扫清障碍就成为了影响产品最终性能的制衡点。此外，与整体安防行业的发展相应，以下几个趋势对车牌识别产品的影响将会非常深远：1.更高的分辨率及画面质量作为一种典型的模式识别算法，车牌识别一直期望有更高的图像分辨率。从这几年的发展可以看到，随着分辨率的提升单个相机所覆盖的车道数量逐渐增加，目前主流车牌识别智能相机已经可以单独覆盖三个车道，但事实上车牌的大小依然是很大的制约因素，如果相机的分辨率可以提升千万量级，车牌识别的识别指标将会更加逼近“几乎不出错”的极限，而且车牌识别能够稳定工作的区域也会明显增大，一些目前并不特别可靠的扩展应用的效果将得到改观。除了分辨率提升外，画面质量也是同等重要的问题，近年来高清相机的分辨率虽然提升的速度很快，但在动态范围的表现上却不怎么令人满意，导致在一些场景下出现亮处细节和暗处细节无法兼顾的问题，这将是下阶段相机发展的关键点之一。2．更高的计算能力和集成度高清相机的发展必然导致车牌识别算法需要更大的计算资源，嵌入式平台核心芯片的更新速度将会直接影响车牌识别产品的形态以及发展方向，可以预见，今后更多的相关业务将会被放置在车牌识别智能相机上。3．更高的易用性、更强的适应能力35 目前车牌识别算法本身的难题主要集中在车牌受到各种干扰时如何保证尽可能准确地识别，例如大型车常见的车牌污损、私家车辆规避限号的车牌遮挡、光照环境形成的阴影干扰等等。此外，车牌识别产品的参数配置一直相对繁琐，这很大程度上是为了能够通过精确的调整相机成像、补光、算法的各个环节来确保达到最好的识别效果。如何利用好高分辨率和高计算能力来降低系统的操作难度，进一步解决这些经典的技术问题，提高系统配置的自动化水平是车牌识别产品下阶段需要着重投入的方向。1.6论文的章节安排本次毕业设计主要以图像处理为基础，对通过摄像机或照相机等采集设备获取到的静态车牌图像进行分析比较，在此基础上研究了相关的车牌定位、字符分割以及字符识别的一些有效实用的方法。本文的重点对基础的图像预处理知识进行了研究学习，在选择合适的图像处理技术后，运用MATLAB对车牌识别系统中的图像预处理、车牌定位、字符分割、字符识别等部分进行研究仿真。论文各章节的具体结构内容安排如下：第一章：绪论。分析了课题的研究背景和意义；对于国内外的车牌识别技术的发展现状做了相关阐述；结合我国车牌特征详细列举了车牌识别技术难点；介绍了车牌识别系统目前的应用水平等详细情况。第二章：基于图像处理的车牌识别系统。简述了车牌识别系统的各个工作模块的工作原理。介绍了软件MATLAB应用的特点及相关优势。介绍了车牌识别技术中预处理部分用到的有关图像处理技术，深入研究了图像灰度化改善图像质量还介绍了直方图变换的一些特点，利用其进行图像增强。介绍了几种常用的边缘检测算子，并比较这些算子检测图像边缘效果。第三章：车牌定位与检测。介绍我国车牌方面的一些特征；阐述了数学形态学的一些理论知识，实现了基于数学形态学处理车牌定位并用彩色分割法进行车牌区域分割；介绍了基于垂直投影的车牌字符分割方法；介绍了基于模块匹配的字符识别方法。第四章：结束语。对课题研究工作情况进行了总结，展望一下技术发展方向。35 第二章基于图像处理的车牌识别系统2.1车牌识别系统简介车牌识别系统[9]只有完成从图像采集到字符识别结果的输出才能体现其完整性，该系统的完成步骤相当复杂，首先是触发拍照和图像采集，这两个工作模块都属于硬件部分，软件部分包括原图像预处理、边缘检测实现对车牌的定位、定位后车牌图像处理、字符分割及归一化以及字符识别，最后输出结果，一个车牌识别系统的工作流程如图1所示：输入图像采集图像预处理字符分割字符识别输出识别结果车牌定位定位车牌图像处理图1车牌识别系统车牌自动识别技术的关键在于汽车牌照精确定位、字符分割、归一化处理和字符识别等。该技术首要的任务就是能够正确无误地分割出车牌区域，为此国内外学者提出了很多方法，如Hough变换在直线检测的基础上提取车牌区域、灰度分割车牌区域或根据纹理特征进行分割等。Hough变换方法对车牌区域发生畸变或图像上含有污渍的情况，其处理效果不是非常的理想，失效的可能性会急剧上升，相较于直线检测的方法，使用灰度分割要稳定得多，但是，当图像中含有大量与车牌的灰度很近似的区域时，该方法的作用也就失效了。而纹理特征分割如果遇到与车牌纹理特征相似的其他不利因素干扰，车牌定位正确率也会降低，因此，在复杂多变的环境下使用单一方法难以达到理想效果。根据汽车牌照底色的先验知识，我们民用汽车牌照是蓝底白字，所以本文以此为例利用彩色像素点统计进而分割出车牌区域，车牌图像的样本大多是由CCD摄像设备所拍摄获到的，该样本一般为RGB彩色图像，所以要想精确定位，就得先确定好汽车牌照底色RGB各自对应的灰度级范围，接着沿着水平方向对在此颜色范围内的像素点进行统计确定所统计的像素点数量，然后依据前面的工作设定合理的阈值，用来确定水平方向的车牌合理区域，随后在分割后的车牌区域对其垂直方向的像素点进行统计，确定好像素点数量，最终完成对车牌区域的分割，实现准确定位。35 对定位后车牌图像进行进一步处理，接着将处理过后的车牌看做是一排呈水平排列的7个连续的字符块，根据实际情况设定合理阈值，超过该阈值表示有多个字符相连在一起，需要对其进行分割，从而实现车牌的字符分割，此后，需做归一化处理，最后把分割归一化后的图片与模板库的模板进行对比，输出匹配结果，即车牌号码信息。2.2系统软件设计硬件基础设备如CCD摄像头采集获取到汽车图像样本后，如果用计算机处理图像，首先需要考虑的就是图像的存储格式。目前最常见的图像存储格式有*.BMP、*.JPG、*.GIF、*PNG、*.PCX、*TIFF等，本文中所采用的车辆图片样本的格式是*.JPG。该格式的图像是由一个软件开发联合会组织制定的，支持高级别的压缩，图像色彩丰富，占用空间小，而且广泛支持Internet标准，适用于摄影作品、写实作品、照片等具有丰富清晰细腻的大图像。第四代计算机语言MATLAB[11、12]为一个具有现代化应用价值的车牌定位识别功能的软件系统设计带来了极大地便利。该软件利用其非常丰富的库函数资源，通过编写M文件程序，首先将由硬件设备采集获取到的汽车图像样本进行图像灰度化、滤波处理，以达到去噪的效果、车牌区域的对比度的增强。然后，采用不用算子进行边缘检测，并采用数学形态法进行处理，这时，车牌的轮廓已经非常清晰呈现在用户面前，并且很容易区分开非车牌区域，接着，根据车牌底色的先验知识对车牌区域和与车牌区域相似进行筛选后，来完成车牌定位，接下来就是字符分割和归一化，最后进行识别，整个系统的设计以MATLAB语言为主，部分采用了C语言算法。将车牌定位、字符分割、字符识别进行了系统化，并用MATLAB软件对系统的性能进行了测试仿真和分析。最终得出比较理想的方案。MATLAB用更直观的、人们很容易接受的代码，代替了其他的冗长代码。MATLAB显示着如此旺盛的生命力来为用户带提供的是最简洁易懂的程序开发设计环境。车牌识别的软件部分的编写大多采用VC++或者MATLAB语言，本课题我选用MATLAB.2012b软件。MATLAB具有以下优点：（1）语言简洁易懂，入门容易，使用方便灵活。MATLAB程序设计不严格，自由度很大，并且该软件中库函数都由本领域的学术水平很高的专家编写的，所以用户可以直接调用。（2）运算符种类多。MATLAB软件大体上利用C语言编写程序，这也就表示MATLAB软件里提供了和C语言算法应该的需要各种运算符，灵活使用运算符可以使程序变得简短化。35 （3）可移植性好，MATLAB中所设计的程序基本上不需要做修改就能在各种类型的计算机和操作系统上运行仿真。（4）图片编辑功能强大。在VC和VB两种语言环境里，绘图都很不容易，但在MATLAB里，其专门的图像处理工具箱大大扩展了MATLAB编辑图片的能力，而且数据的可视化的程度也非常高。（5）可以使用MATLAB软件中的control、ImageAcquisitionToolbox、ImageProcessingToolbox以及NeuralNetworkToolbox等模块作为骨架来搭建整个应用系统。（6）可以通过MATLAB软件的图形用户界面技术来编写车牌识别系统面板，可以让汽车牌照定位分割程序与字符识别程序实现无缝连接。（7）可以直接使用功能强劲的专业工具箱，这样从事相关研究用户可以把主要精力放在自己需要创新的算法的分析、比较、设计等方面，不需要太过关注自己学科范围内基础程序细节方面问题，极大地减少了工作量，提高工作效率。2.3车牌图像预处理为了能够在车牌识别中正确地进行车牌定位与识别，由硬件基础设备如摄像机获取的原图像就必须具有一定程度的亮度与对比度。由于拍摄倾斜角、车牌有污渍、车牌断裂、摄像机镜头的光学畸变以及光照、季节和气候的不稳定等因素都会使图像质量下降，这些干扰源具体表现为如由于光照度不均匀造成车牌区域含有阴影部分导致图像灰度过于集中；由摄像机获得的车辆图像在传输变换过程中也会产生噪声污染；车辆的牌照区域被障碍物覆盖或字符发生褪色或污渍覆盖等等。这些外界复杂因素对车牌图像的清晰程度产生了不可避免的影响，图像质量是被大大地降低了，轻度的表现为图像有污渍，需要仔细观察才能识别，重度的表现为图像严重模糊不清、残缺或变形。无论是轻度干扰还是重度干扰这势必会影响车牌区域准确划分，从而不能准确进行字符分割与字符识别。因此，能否正确定位车牌和成功分割字符都是需要以合理的图像预处理[10]为前提的，要提高图像预处理的效果需要包括三个方面:（1）图像增强。由于不同时刻光照强度不同再加上汽车牌照识别系统需要24小时不间断工作，这势必会引起车牌图像对比度严重不足，因此，很有必要进行图像增强。（2）图像去噪。一般由摄像机获取到的图像在传输变换中会不可避免地被噪声污染，所以为了识别效果理想，就需要对采集的原始图像进行适当的去噪处理。35 （3）倾斜矫正。摄像机拍摄角度的不同再加上很多拍摄的对象都是运动着的车辆，所以获取到的图像都会有一定程度的倾斜，因此，这势必要对图像进行倾斜矫正，或者是在车牌区域划分以后进行倾斜校正。2.3.1彩色图像灰度化一般情况下，由硬件基础设备如摄像机或数码相机获取到的原图像是RGB彩色图像，由三基色原理可知，数字图像的彩色是由R（红）、G（绿）、B（蓝）按不同比例构成，我们都知道，一个基色通常被划分成256个等级，即0~255。由此可以得出一幅真彩色图像最多含有约16000万种颜色。如果三种颜色分量的值相等（R=G=B）则表示彩色是一种灰度，所以灰度图像中只有一种灰度颜色，同理计算可得一幅灰度图像最多只含有256个等级。由此可见，真彩色图像处理算法复杂，为了简化车牌图像处理过程，需要将彩色图像进行灰度化。因为灰度图像中只含亮度信息，仍可完整的反映出图像特征。彩色图像灰度化，从直观上看就是对数字图像的三个颜色分量（R、G、B）进行加权平均求其灰度值的过程。常见的彩色图像灰度化[13]的方法有以下三种：(1)平均值法:将R，G，B三个值求和再求均值，该均值就是R，G，B的值，即(1)(2)最大值法:将R，G，B的值中的最大值赋值给R，G，B即(2)(3)加权平均值法:将分别赋予R，G，B不同的权值然后求其均值。由于人眼对三基色的敏感度由高到低排依次是G(绿色）、R（红色），B（蓝色），根据敏感度分配不同的权值即图像灰度化公式：(3)其中W是灰度图的亮度值。根据车牌的实际使用情况，选择合适权值进行图像灰度化，该方法能很好的表达原图像的亮度信息，比较广泛使用。从现阶段来说,基于彩色图像处理技术处在技术发展的初级阶段，短时间内不会有改革性的突破,相反基于灰度图像处理技术已经发展成熟,因此我们进行车牌定位处理的首要步骤就是图像灰度化。总之,就目前的数字图像技术的发展水平来看,将彩色图像做灰度化处理是比较好的处理方法。从图可以看出灰度化后虽然只有亮度信息，但仍完整地表示原图的信息，其灰度化效果图如图2所示：35 （a）原始图像（b）灰度图图2灰度化效果图2.3.2灰度直方图变换在数字图像处理中，灰度直方图是最简单且最有用的工具，它是关于灰度级分布的函数，用于描述数字图像中具有该灰度级的像素个数，并按照灰度级的大小统计其所出现的频率。它反映了一幅图像的灰度级内容。以灰度级别为横坐标，纵坐标是图像中该灰度出现的像素个数。灰度直方图是对灰度图像进行对比度增强的基础。借助于灰度图像可以很方便地进行高效检测边缘、分割图像及滤波处理。灰度修正是图像灰度级变换[14]的最常用方法。自然图像由于灰度分布可能集中在较窄的区间，引起图像不够清晰。如果图像偏暗的话，其灰度级密集分布于较低一侧，如果原始图像偏亮的话，直方图中的灰度级密集分布于较高一侧。采用直方图变换后，可使图像的灰度间距拉开或使灰度分布均匀，从而增大对比度，使图像清晰，达到增强的目的，本文采用的直方图变换是直方图均衡化，所谓直方图均衡化是通过对原图像进行某种变换，使得图像的直方图变为均匀分布的直方图。对于连续变化的图像，将原图像的灰度级r归一到区间[0,1]而经过直方图拉伸修改后的灰度级设为s，则：（4）其中，称作变换函数，它是一个递增函数，且函数使灰度级在黑到白之间不变。同时，使变换后的灰度级在所规定的范围内。35 由概论率可知，如果已知随机变量r的随机概率密度，而随机变量s是r的函数，则s的概率密度可以由求出。假定s分布函数为，则有：（5）对于上式，等式两边对s求导可得（6）通过变换函数可以控制图像灰度级的概率密度函数，从而改善图像的灰度层次，这就是直方图均衡的基础。一幅图像的灰度直方图如果是均匀分布的，那么该图像在人眼视觉上是相对协调的。即，则有：（7）两边积分则：（8）由上式看出，当变换函数为r的累积直方图函数时，能达到直方图均衡化的目的。在离散的数字图像中，用频率代替概率，则：（9）由上式可以对直方图进行均衡化。图3是原车牌图像以及直方图和经过均衡化的图像显示。图（a）和图（b）分别为一幅原灰度图像及其直方图。从直方图中可以看出大部分像素的灰度集中在某些灰度值上，图（c）和图（d）分别是经均衡化得到的图像及其直方图。比较图（a）和图（c）可以看出，图（c）中许多细节更加清晰，对应的直方图变得平坦多了，而且动态范围扩大了。35 从图中还可以了解到：由于采用离散公式，其概率密度函数是近似的，原直方图上频率较小的某些灰度级被合并到一个或几个灰度级中，频率小的部分被压缩，频率大的部分被增强。从图（d）中可以看到结果是一种近似的、非理想的均衡结果。（a)原灰度图像（b）原图像直方图（c）均衡后图像（d）均衡后图像的直方图图3直方图均衡化效果图2.3.3边缘检测35 边缘（或边沿）的含义体现在灰度的突变上，边缘主要存在于目标与目标，目标与背景等不同对象之间，因此，它是图像分割、纹理特征提取和形状特征等图像分析的重要基础。需要指出的是，检测出的边缘并不等同于实际目标的真实边缘。由于图像数据是二维的，而实际物体是三维的，从三维到二维的投影必然会造成信息的丢失，再加上成像过程中的光照不均和噪声等因素的影响，使得有边缘的地方不一定能被检测出来，而检测出的边缘也不一定代表实际边缘。图像的边缘有方向和幅度两个属性，沿边缘方向像素变化平缓，垂直于边缘方向像素变化剧烈。边缘上的这种变化可以用微分算子检测出来，其中常用边缘检测的梯度算子主要有Roberts算子、Sobel算子和Prewitt算子，此外还有Laplace算子、Log算子以及Canny算子等边缘检测方式[16、17]。（1）Roberts算子Roberts算子是一种利用对角方向像素点它们的差分进行梯度运算，梯度的大小代表边缘的强度，梯度的方向与边缘走向垂直。公式定义为:(10)其中表示边缘检测之后的图像，、、和)分别为4领域的坐标，且是具有整数像素坐标的输入图像；其中的平方根运算使得该处理类似于人类视觉系统中发生的过程。Roberts算子定位精度高，特别适合检测方向不同取向边缘。但抗噪声能力差，且容易丢失部分边缘信息，适用于低噪声、陡峭边缘的场合。（2）Sobel算子Sobel算子是一种一阶微分算子，它利用像素邻近区域的梯度值来计算1个像素的梯度，然后根据一定的阈值来取舍。它由下式给出:(11)Sobel算子是一组方向算子，从不同的方向检测边缘。Sobel算子不是简单的求平均再差分，而强调边领域像素对中心像素的的影响，能够把水平方向和垂直方向上的呈现的强烈边缘检测出来。运算结果是一幅边缘图像，Sobel算子通常对灰度渐变和噪声较多的图像处理得较好。（3）Prewitt算子Prewitt算子就是一种利用局部差分平均方法寻找边缘的算子35 ，利用像素点四周邻点灰度差，在边缘处达到极值检测边缘，对噪声具有平滑作用。由于边缘点像素的灰度值与其领域点像素的灰度值有显著不同，在实际应用中通常采用微分算子和模板匹配方法进行图像边缘检测。Prewitt算子由下式给出：=(12)Prewitt算子对图像有加权平滑作用，有一定的抑制噪声的能力，滤掉一些伪边缘。但定位精度不高，不能排除检测结果中的虚假边缘，容易误判边缘信息点。（4）Canny算子[14]坎尼（Canny)应该满足的三大准则（1）信噪比准则其中信噪比越大，边缘提取质量也就越高。其信噪比（SNR）定义为：（13）其中为边缘检测函数，是以W为宽度的滤波器的脉冲响应，为高斯噪声的均方差。（2）定位精度准则边缘定位精度（L）定义：（14）其中和分别为和的一阶导数。边缘定位精度L越大就表示定位精度越高。（3）单边缘响应准则为了保证单边缘只有一个响应，边缘检测算子的脉冲响应导数的零交叉点平均距离应满足：（15）的二阶导数。对于同一边缘要有低的响应次数。35 由上述三个准则可知，要达到最大限度的对图像边缘的敏感性，而且对噪声具有平滑抑制作用，这样才是好的边缘检测算法。Canny算子是通过对信号函数求极大值检测图像的边缘点。将坎尼（Canny）算子的3大准则相结合可以达到最优的边缘检测算子。坎尼算子的边缘检测算法步骤如下：（1）利用高斯函数平滑图像；（2）采用微分算子沿图像梯度的X与Y方向分别求偏导数，计算梯度的幅值和方向；（3）把局部梯度最大值保留下来，抑制梯度非极大值点；（4）用双阈值算法检测，并对边缘进行连接；以下是几种算子的边缘检测结果如图4所示，从图中可以看出通过Roberts算子检测出的边缘存在漏检现象，对噪声的抑制能力差；Prewitt算子能抑制一定程度的噪声，但是得到边缘连续性较差；Canny算子对边缘的检测性能较好，抗噪能力强，并且能在边缘点产生强度、方向等信息；但是边缘的一些细节容易得不到检测或一些伪边缘可能会被检测出，而Sobel算子相对精确，它是方向性的，在水平和垂直方向上形成了最强烈的边缘。用于平滑图像，抑制噪声；适用于边缘方向比较突出的图像，尤其是垂直边缘显著的图像。因此，本文采用Sobel算子对图像进行边缘检测。(a)Roberts算子检测图（b）Prewitt算子检测35 (c)Canny算子检测图（d）Sobel算子检测图图4边缘检测结果图35 第三章车牌定位与检测图像经过预处理后，紧接着就要进行牌照区域的确定。车牌定位准确与否直接影响后续工作，车牌定位主要对汽车图像进行车牌区域提取，并将车牌从该区域中准确地划分出来，便于后面的字符分割操作，这里的图像可能会具有很复杂的背景，加上光照条件和车牌自身的各种问题如缺损、褪色、污渍等，增加了车牌准确定位的难度。因此怎样才能将车牌区域从复杂的背景中准确定位出来，是汽车牌照识别系统中比较重要的环节。本文将数学形态学法和彩色分割相结合实现车牌定位。3.1车牌特征与分析在进行车牌定位时，首先考虑到车牌区域会有些自己的特征区别于图像背景。这些特征主要体现在结构方面与区域方面。1.结构特征（1）车牌呈矩形状，其长440mm，宽140mm，固定的高宽比，有7个字符其中包括汉字、数字与字母组成，呈水平排列，字符高90mm,宽45mm,第2个字符与第3个字符之间间距为34mm(车牌里圆点直径是10mm，圆点与第2、3个字符间间距都是12mm)，其余相邻字符间距均为12mm。（2）常用车牌底色主要有蓝底白字（普通汽车），黄底黑字（大型民用车）、白底黑字（汽车补用牌照）、黑底白字（领事馆车）等。（3）车牌大致安装在车身的两车灯之前，散热器下方。2.区域特征（1）在车牌区域内，由于汽车牌照上字符和其自身颜色差异巨大形成鲜明对比，这就使得车牌区域里的灰度跳变多，车牌边缘的形状呈现屋顶状的，在字符区域会显现出不间断且比图像的背景还多的峰谷群。（2）汽车牌照的字符都是呈水平排列，与车身上的东西如车身或车身上的贴纸或车商标等干扰物相比，车牌区域内的边缘信息是非常丰富的，垂直边缘的信息量居多而且均匀。（3）车牌区域有直方图统计特征，对像素梯度积分。（4）图像的频谱图中具有车牌的位置信息。35 3.2数学形态学处理数学形态学[14、18]是一门建立在严格数学理论基础上的，分析研究空间结构的形状、框架的学科。最基本的数学形态学运算有4个：膨胀（dilation）、腐蚀（erosion）、开(open)和闭(closing)。用这些运算及其组合来进行图像形状和结构的分析及处理，可以解决抑制噪声、特征提取、边缘检测、图像恢复与重建等方面的问题。1.膨胀运算膨胀运算符号为⊕，一般设集合A为图像集合，集合B结构元素，那么集合A被集合B膨胀记作，其定义为：（16）此外，膨胀通过对腐蚀进行补集运算来。因为腐蚀对图像内部作滤波处理，而膨胀则是对图像的外部作处理。如果B(结构元素)是一个圆盘，膨胀运算后，会使物体的边界得到扩大，如果物体内部存在小于结构元素的孔的话，经过膨胀运算后这些孔将会被填充，使其形成连通区域。2.腐蚀运算腐蚀运算的符号是,A（输入图像）被B（结构元素）腐蚀，记作，其定义为（17）将满足经B平移x但仍包含在A内的所有点x的集合。如果将结构元素看作模板，则由在平移模板的过程中，所有可以填入A内部的模板的原点的集合。腐蚀具有收缩图像作用，细小物体含有的所有点都会被视作边缘点，因此整个细小物体都会被删去。3.开运算先对图像进行腐蚀运算，然后再进行膨胀运算操作，并且两个操作使用的是同一个结构元素。假设A仍为输入图像，B为结构元素，利用B对A做开运算，用符号表示，其定义：（18）35 开运算主要能滤掉图像中小于结构元素的凸出部分，并对图像轮廓有平滑作用。图像经过开运算后，图像的大致轮廓得到了平滑，并且图像中的那些孤立的点以及在两块区域的之间的连接小点都会被擦除，保留相对完整结构元素的点，从而使总的形状基本保持不变。闭运算是开运算的对偶运算，定义为先做膨胀然后再做腐蚀。对输入图像A对结构元素B做闭运算，定义为：　（19）经过闭运算后，可以连通图像中距离相对比较近的区域，放大了不连续的杂点，结构元素的不同（大小、形状），放大的程度也有所不同。闭运算使得图像像素粘连，这样可填充图像的凹入部分，连通图像出分开的区域以及弥补细小的裂缝。在对图像进行闭运算时，如果选对了结构元素，图像的连贯性将相对得到改善，但其几何线条并没有得到不当的加粗。腐蚀和膨胀操作可以在使物体形状不变的前提下对物体进行缩小与扩大。开运算起到磨光内边缘的作用，而大体的位置与形状不变。闭运算能够填充小孔起到磨光图像外界的作用，而大体的位置和形状不变。将数学形态学运用到车牌识别中，能够检测出图像不利因素，如车上贴纸、车的标志或车上小物体等，提高车牌的定位率，便于后面的识别。图（a）是腐蚀后图像，随后进行闭运算，闭运算能平滑图像的轮廓，结果如图（b）所示，从结果图可以看出车牌区域的边缘信息比较丰富，但其他区域仍存在大量干扰对象，所以再计算图像中的目标区域，从二进制图像中移除所有少于某像素的连接的组件，获得结果如图（c），对比（b）图可以发现一些小的对象被移除了，车牌区域在处理后的图中更加便于提取操作。数学形态学处理效果图如图5所示（a）腐蚀后图像（b）平滑图像（c）从对象中移除小对象图5数学形态学处理效果图35 3.3区域分割在本系统中是根据车牌的颜色信息的知识原则，采用彩色分割方法[19、20]。由于车牌区域的底色基本相似，所以可以利用用最大相似特性，在RGB三基色的颜色空间中设定合理的阈值，只要图像中的像素颜色相似就将其规分为一类，确定其取值范围，将像素主要分为车牌区域和非车牌区域。一般情况下，车牌底色、车自身颜色多种多样，加上有时一辆车的车身还是混合色，但由于在车牌区域附近车身颜色是以行为单位进行变化，车牌区域附近的车身上位于同一行的颜色基本一致。首先沿水平方向行扫描并对此方向进行像素分析，进行蓝色像素点统计，设定合理的阈值，确定车牌在水平方向的车牌区域，然后在已分割出的水平方向图像中，同理对垂直方向的蓝色像素点进行统计，再在对垂直方向合理区域的图中进行列扫描，分割出垂直方向的合理区域，最终实现车牌的区域的划分，其中对蓝色区域的判定为:(1)当某点R=0,G=0,B=255，则有，此时为最蓝。(2)当某点B>R与B>G，则B比R和G大得越多就越蓝。(3)如果某点的BT时，该行就判定为车牌所在行。因为车牌颜色具有单一性与连通性，将满足车牌行区域条件的行进行合并，该合并区域就为车牌行合理区域，接着再水平提取车牌区域。然后对车牌行区域进行列扫描，并对列像素进行统计并分类，n1´，n2´，...nN´(nj´为第j列的像素个数)。对垂直方向蓝色像素点进行统计:35 (21)根据像素统计分析确定合理阈值T"，确定车牌列区域。车牌列区域条件:（1）如果nj"T´时，该列是车牌所在列。将满足车牌列区域条件的列进行合并，就可分割出车牌区域。同理也可分割出其它底色的车牌。本文采用彩色像素点统计的方法分割出合理的车牌区域，确定车牌底色蓝色对应的各自灰度范围，然后行方向统计在此颜色范围内的像素点数量，设定合理的阈值，确定车牌在行方向的合理区域。然后，在分割出的行区域内，统计列方向蓝色像素点的数量，最终确定完整的车牌区域。如图6分别显示行方向合理区域和车牌定位后图。（a）行方向合理分割区域（b）车牌定位后图图6车牌定位图3.4定位后车牌图像处理3.4.1图像二值化在数字图像处理过程中，有时候只需知道大体特征就可以了，不需要更多的关于汽车牌照图像的信息，这时需要将灰度图像二值化，此做法能突出需要的目标轮廓，便于后面精确有效地对图像进行处理与分析。所谓图像二值化处理就是指整幅图像转化为画面内只有黑（灰度值设为0）和白（灰度值设为255）两种像素点的图像，从而使得整张图片的效果由灰度变黑白，在实际的图像处理系统中，将灰度图片通过适当的阈值选取，这一步是图像二值化的关键也使得字符与背景脱离开来。如果图像二35 值化阈值设定太小则会有噪声产生；如果阈值设置过大则会使得会图像分辨率降低，即由于不阈值设定方法不同，就会使得一幅二值化后的图像处理结果也不同。阈值方法分为全局阈值和局部阈值两种，如果分割过程中对图像上每个像素所使用的阈值都相等，则为全局阈值方法；如果每个像素所使用的阈值可能不同，则为局部阈值方法。最佳全局阈值确定的常用方法一般有下面几种：试验法、直方图法和最小误差法(这种方法假设背景和前景的灰度分布都是正态分布的)。当光照不均匀、有突发噪声，或者背景灰度变化比较大时，整幅图像分割将没有合适的单一门限，因为单一的阈值不能兼顾图像各个像素的实际情况。这时，可对图像按照坐标分块，对每一块分别选一阈值进行分割。3.4.2均值滤波均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素点和其本身像素点。再用模板中的全体像素的平均值来代替原来像素值。均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点，选择一个模板，该模板由其邻近的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点，作为处理后图像在该点上的灰度值，即，m为该模板中包含当前像素在内的像素总个数。采集数字图像过程中通常会会受到多种噪声的污染。另外，如果在过程中产生污染则会将要处理的图像上表现出一些较强的视觉效果孤立像素点和像素块。一般情况下，这些噪声在研究对象中一般都是无用的信息，而且还会对研究对象造成干扰，极大降低了图像质量，影响图像复原、分割、特征提取、图识别等后继工作的进行。为了有效的去除这些噪声，并且有效的保存研究对象的图像形状、大小及特定的几何和拓扑结构特征应该对图像进行滤波处理。经过彩色分割法分割出来的车牌图像是彩色的，占空间大，从而导致计算量大，而且该区域内目标物体、背景还掺杂着噪声，所以需要将图像灰度化，二值化[21]并且进行滤波处理，车牌灰度化后的结果对图如（a）所示。图像二值化的最常做法就是设定一个合理阈值T，根据合理阈值T来把图像的数据分成两类，即大于阈值T的像素群与小于阈值T的像素群，结果如（b）所示。本文采取的滤波处理方法为均值滤波算法[22]，它是指在图像上就针对目标像素选择一个模板，该模板由其周围的若干临近像素组成，求35 模板中所有像素的均值并代替原有像素值即尽量保留车牌的图像细节特征的条件下对目标图像的噪声进行抑制，从而提升它的有效提取信息，图像滤波处理是图像预处理中不可缺少的操作，其处理效果的好坏将直接响到后续图像处理和分析的有效性和可靠性。这个过程在整个车牌识别系统中也占有很重要的作用，结果如（c）所示。我们得到了滤波后的图像，为了提高其识别的准确率，我们还要将对其做开运算，结果如（d）所示。通过上述的处理，我们将能对其图像的噪声干扰进行很大程度的排除，从而提升对其研究的准确性，车牌图像处理效果图如图7所示：（a）车牌灰度图（b）车牌二值图（c）均值滤波后（d）膨胀和腐蚀后图7车牌图像处理效果图3.5分割与归一化3.5.1字符分割完成车牌区域的定位后，还需将车牌区域的字符一一分开，便于后面进行识别。字符分割一般采用垂直投影法[23、24]对车牌图像进行垂直投影。可以充分合理运用车牌字符具有统一规定的高宽比和间隔等先验知识进行有效准确分割。车牌字符分割的具体算法为：（1）通过计算得到车牌图像列方向上具有的像素值总数且对其进行垂直投影，确定字符宽度和字符的中间位置，并计算相邻字符之间距离（中间距离的差值）。因为第二个字符与第三个字符之间有一点，所以取最大值为第二和第三个字符之间的间距。以此为界线，分别向前方向与后方向进行均匀分割，确定出每个字符的左边界与右边界，将其一一存入数组里。35 （2）将车牌区域进行水平投影操作，确定字符的具体高度，将上边界与下边界保存到数组里。（3）由于模板字库中标准字符模板为40×20像素，因此，需要进行归一化处理。输出标准字符子图。（4）将经归一化处理后的字符信息一一存入数组里，进行模板匹配。字符分割流程图如图8所示：车牌图像二值化输入车牌图像切除周边空白垂直投影从左往右查找，垂直投影白色像素点累计小于10的值的wide，以水平区域（0，wide）剪切出车牌字符大小归一化输出车牌字符图8字符分割流程图由上述流程可知，字符分割采用垂直投影法之前还必须切除周边空白，由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。如图9所示：35 图9字符分割3.5.2字符归一化处理车牌字符分割后，由于环境等因素的影响，其每个字符大小并不完全相同，这样对字符识别产生影响，所以要把车牌的尺寸归一化[25]。字符大小归一化是需对大小不同的字符作变换，具体做法是先计算出原字符的高度，并与标准模板库里的字符高度进行对比，得出变换系数，然后再由变换系数计算出变换后的宽度，确定宽度与高度后，可以把新字符图像中的点按插值运算来映射到原图像中，使它们形成大小统一的标准字符。归一化的映射结果有可能不是整数，可能是无意义的，需要应用插值运算来计算像素值。一般插值变换有三种，即邻近插值，线性插值，三次插值。本文中用MATLAB中的imresize函数进行字符的归一化处理。如图10所示图10字符的归一化3.6字符识别字符识别基于模式识别理论，其中模式识别又可以分为统计识别和结构识别。目前，字符识别的方法可以分为三大类。(1)模板匹配法[26]：这类方法35 是将待识别的图像特征量与模板特征量逐个比较，计算两者之间规格化的互相关量，如果互相关量越大就表示它们相似程度越高，则认为此匹配最好。也可通过计算图像若干特征量与模板相应的特征量之间的距离，其距离值越小则相似度越大。但模板匹配抗噪声能力差，而且很难适应对多种字体风格的字符进行匹配。不过由于车牌中的汉字并不是太多而且字体风格一致，所以可以考虑通过构建标准模板字符库来进行模板匹配。(2)特征分析匹配的方法：这种字符识别方法是基于特征平面来进行匹配的，相较模板匹配法而言，由于能更好的获取字符特征，所以其使用率较高些，抗噪声能力强。。根据所提取特征的类型，特征分析匹配的方法又可以分为下面几种：(a)整体变换分析法：比如Karhunen-Loeve变换、Fourier变换、Hadmard变换、Hough变换、投影变换、链码变换等。这些变换可以减少特征矢量的个数，并且这些特征的提取是相对容易的，这类特征模板的生成是较容易的，但是通常都需要较大的计算量。找到一个合适的变换来较多的反映字符的主要特征又是很关键的。(b)由点的统计分布得到的特征抽取法：这些特征包括字符的轨迹，交叉点和距离等。这些特征在某种程度上可以接受字体的变化，速度较高，复杂性也较小。但是通常这类特征的掩模的生成比较困难。(c)几何拓扑的方法：这种方法是利用字符的结构，把字符分解成构成它的元素，主要是获取字符的关键形状特征，比如字符的骨架或轮廓中的这些特征有端点，连接点，笔划的交叉点弧，凹度，凸度等。所以这个方法首先要把字符进行细化，然后再从中抽取上述的特征，用拓扑结构来描述，从而把一个字符用拓扑图来表示，进而识别。这类特征也是允许存在一定的字体变形，这种方法可以较高速的处理字符，但是通常特征提取的过程是复杂的，并且这些特征的模板也不容易生成。(3)神经网络的识别方法[28]：这类方法是基于神经网络机制来提取字符特征。加强已有的样本的训练，从而构建一个相当稳定的神经网络来进行识别。网络分为输入层、隐层还有输入层，层与层之间多采用连接方式是全互联方式，同一层单元间是不存在互连连接的。神经网络训练的缺点就是耗时，不过训练好的网络可以很方便的直接用于识别。考虑到模板匹配法相对比较简单，且具有高效实时性，因此本文选择的是基于模板匹配法进行字符识别，基于模板匹配的基本过程是：首先建立自动识别的字符代码表，然后将分割后的字符灰度化后在进行二值化,并进行归一化处理且将其与标准模板中的字符对比，我国的普通小汽车车牌第1个字符是汉字，第2个是字母，最后面的五个字符则是数字和字母的随机组合。我们通过对第一位和第二位还有后五位分别识别，以提高效率和准确性，完成识别并输出结果，车牌识别流程图如图11所示:35 开始建立自动识别字符代码表对分割后的字符做二值化、归一化处理将经归一化处理后的字符信息一一存入数组里计算待识别字符与模板字符之间规格化的互相关量，其相关系数越接近于1，相似度越大，并进行个数累计，找出最大值，即匹配的最好。输出识别结果结束图11车牌识别流程图在信号处理领域中，互相关[28]（有时也称为“互协方差”）是用来表示两个信号之间相似性的一个度量，通常通过与已知信号比较用于寻找未知信号中的特性。它是两个信号之间相对于时间的一个函数，有时也称为滑动点积，在模式识别以及密码分析学领域都有应用。在对分割字符模板字符进行匹配时，采用了互相关操作，将分割出来的字符与模板字符进行匹配，其相关量越大，则表示相似度越大，把每一幅进行互相关操作后的图的1值个数保存，然后找数值最大的，即为输出结果，如图12，可见采用本文所述方案可以正确识别车牌号码：苏NH9018。35 图12识别结果图通过以上的方法，又对多幅图像进行了检测，部分图片未能很好的识别出完全正确的车牌，一方面原因是算法还不够精确，系统中采用了近乎水平放置的车牌图像，但没有加入倾斜校正；另外一方面是模板匹配法本身的局限性即容错性和抗干扰能力弱的缺点造成的。本文应用的模板匹配的识别方法，也还需要进一步的改进。35 第四章结束语4.1总结车牌识别系统的经济价值与实用意义日益明显，倍受专家学者的关注，它的实现可以加快智能交通管理领域现代化的进程，在高速公路电子收费、十字路口的“电子警察”、路段车辆流量监测等方面有着广泛的应用前景，因此，对车牌识别系统的研究具有很大的实用价值。本文通过分析比较当今国内外在车牌识别相关方面的发展现状及车牌识别的难点，对采集到的图像进行了图像预处理、车牌定位、字符分割及字符识别的研究与实现，此次毕业设计的研究工作主要涉及以下几个方面：(1)图像预处理:先将采集到的RGB彩色图像灰度化，选择直方图进行图像灰度修正；紧接着利用中值滤波平滑图像；选择合适的算子进行边缘检测，一系列的图像预处理后图像质量得到改善，便于后续操作。(2)车牌定位，结合我国车牌特征，本文采取基于数学形态学处理的车牌定位方法对边缘检测后得到的图像进行进一步的处理，该方法在数学形态学的基础上实现平滑及移除小对象等操作实现车牌区域的初定位，并利用车牌的颜色信息的先验知识，结合彩色分割方法来进行车牌区域的划分。(3)字符分割，字符分割一般采用垂直投影法对车牌图像进行垂直投影。可以充分合理运用车牌字符具有统一规定的高宽比和间隔等先验知识进行有效准确分割。保证了字符的完整分割。然后，字符归一化处理，输出标准的字符子图，为字符识别打好基础。（4）车牌字符识别，该过程选择的是模板匹配法，将待识别的图像特征量与模板特征量逐个比较，计算两者之间的互相关量，如果互相关量越大就表示它们相似程度越高，则认为此匹配最好。该算法在字符识别之前车牌图像要处理得相当好的前提下执行效果好，且需要字符很清晰，而在实际运用中的每个车牌的字符不可能完全干净和没有缺损的所以需要做进一步的改进。4.2问题改进与展望由于时间以及自身水平的限制，本文还有许多不足之处需要改进，具体表现在：（1）因为采集图像的噪声干扰源比较多，所以去噪方法不应单一，需结合其他方法改进图像平滑的效果。35 （2）本文中，对于图像的处理主要是基于对灰度图像的分析，可是在图像灰度化过程中必然损失了很多的图像信息，随着计算机视觉、模式识别等技术的发展应该积极研究直接在彩色图像上进行车牌信息处理的算法。（3）本文的程序算法中的一些地方如图像二值化，滤波处理，边缘检测或字符分割都涉及到选择合适的阈值，其阈值的选择直接影响最后的识别结果，本文的阈值选择算法比较单一，不能满足实际应用效果，阈值选择算法需要得到进一步改善。（4）本文中所采集的图像是静态的，但是在实际应用中，都是通过摄像头来采集动态图像，所以需要改进算法，添加功能使系统能处理各种状态下的图片。（5）本文中的车牌识别系统没有语音读取功能，需要进一步改进。（6）本文中综合软件设计的整体，还要做进一步优化,使程序模块化与标准化,让车牌识别系统更加安全、可靠和高效实时。35 致谢四年的大学求知之旅即将画上一个圆满的句号，在此，感谢所有在各方面给予我帮助的人们。首先我要特别感谢一下我的导师张老师，张老师在本次毕业设计的选题、课题调研、程序设计及论文定稿方面给出了非常重要的意见和建议。我这次的毕业论文能够如期完成和老师一丝不苟的工作作风息息相关，在此我向张老师致以最崇高的敬意和衷心的感谢。其次，我还要感谢一下大学期间的辅导员和其他任课老师，他们在平时我的学习与生活中给予我最无微不至的关怀，在此我向这些无私奉献的老师们致以衷心的感谢。与此同时，我还得到了很多同学朋友的帮助，在此，向所有给予我帮助的朋友们致以衷心的感谢。最后，向参加论文评审、答辩的老师表示衷心的感谢。向学术界的专家，学者，是他们以丰硕的果实，给我的研究提供了丰富的营养。也要向我最亲爱的父母表示最诚挚的感谢，是他们最伟大的爱，呵护着我健康成长。真心感谢所有人。35 参考文献[1]荣江,王文杰，陈建华.智能车牌识别系统设计与实现[J].计算机与现代化，2006:41-42[2]张学工.模式识别[M].北京：清华大学出版社，2010[3]KhaderMohammad,SosAgaian.PracticalAutomaticArabicLicensePlateRecognitionSystem[C].SPIEConferenceonMultimediaonMobileDevices,2011,1[4]IoannisGiannoukos,Christos-NikolaosAnagnostopoulos.Operatorcontextscanningtosupporthighsegmentationratesforrealtimelicenseplaterecognition[J].PatternRecognition,2010,43(11)[5]冯慧娜.车牌识别系统中车牌定位与字符分割技术的研究[D].中北大学硕士学位论文，2011[6]吴福文.复杂背景下车牌定位的研究与设计[D].华南理工大学硕士学位论文，2011[7]中华人民共和国公安部.中华人民共和国机动车号牌.GA36-2007行业标准.[8]陈瑜.车牌识别系统关键技术研究[D].硕士学位论文.湖南：湖南大学,2011[9]李盛宁.车牌识别系统中车牌定位算法的研究[D].硕士学位论文.江苏：苏州大学,2011[10]韩立明，王波涛.车牌识别中关键技术的研究与实现[J].计算机工程与设计,2010，31(17)：3919-3923[11]薛山编著.MATLAB基础教程[M].北京：清华大学出版社，2011.3[12]于润伟.MATLAB应用技术[M].北京:机械工业出版社,2011[13]徐杰.数字图像处理[M].武汉:华中科技大学出版社,2009[14]胡学龙编著.数字图像处理（第二版）.北京：电子工业出版社，2011.4[15]李艳军.图像处理在车牌识别中的应用与研究[D]，武汉理工大学硕士学位论文，2010[16]张铮，王艳平，薛桂香.数字图像处理与机器视觉[M].北京：人民邮电出版社，2010[17]黄腾.车牌识别关键技术的研究[D].硕士学位论文.上海：上海交通大学,2010[18]李春娟，赵艳花.一种基于形态学和几何特征的车牌定位方法[J].微计算机信息,2009,25(31):175-177.[19]李云.车牌定位与字符分割算法的研究及实现[D].硕士学位论文.成都:电子科技大学，2010[20]程增会,戴样,唐大鹏等.一种基于HSI和YUV颜色模型的车牌定位方法[J].计算机应用与软件,2011,28(12):132-133,231[21]王晓健.车牌定位与字符分割算法研究及实现[D].硕士学位论文.北京:北京邮电大学，35 2009[22]陆建华.基于数学形态学和行扫描的车牌定位算法[J].计算时代,2009(11):51-53[23]陈涛，杨晨晖，青渡.基于投影和固有特征结合的车牌字符分割方法[J]，计算机技术与发展，2009,19(5),45-47[24]罗辉武,唐远炎.融合特征和先验知识的车牌字符图像检测算法[J].计算机工程与应用,2011,7[25]庞茂群,邓开发.一种基于灰度图像的车牌定位方法[J].计算机工程与科学，2009，(10)[26]何丽.车牌定位识别系统设计与实现[D].硕士学位论文.四川：电子科技大学,2011[27]谷秋颇，白艳萍.基于模板匹配的车牌数字与字母识别[J].数学的实践与认识，2011:68-69[28]樊昌信，曹丽娜编著.通信原理[M].北京:国防工业出版社，2012.135'